美团LongCat-2.5发布：从写代码，走向连续完成项目

让AI写出一段代码之后，往往还剩下一连串工作：读懂已有项目、补齐功能、运行检查，再修掉新问题。能否把这段过程持续做下去，正成为编程模型的新考题。

11月1日，美团发布大模型LongCat-2.5，重点提升原生视觉理解和长程智能体编程能力。所谓“长程”，可以理解为AI围绕同一目标连续完成多轮操作，把任务从接到需求推进到交付结果。[1]

从代码片段走向完整工程

美团在官方页面展示了城市沙盘、三维数字展览、经营分析等演示。以三维展览为例，模型需要同时处理页面、三维场景和交互逻辑。这类演示呈现了完整作品的形态，但仍属于公司挑选展示的案例，不能直接推算任意项目的成功率。

LongCat-2.5的总参数量为1.6万亿，每处理一个信息片段（token），激活约480亿参数。参数可以粗略理解为模型学到的内部数值；这里采用多专家结构，每次处理信息只调动其中一部分，并非每次都运行全部参数。

这次训练的一个重点，是把真实智能体的失败过程转化成可以复现、可以检查的训练任务。工程中常见的“改好这里、弄坏那里”，被纳入持续补短板的训练链路。原生多模态则让视觉信号与文字在同一模型体系里处理，为理解界面和视觉编程任务提供基础。

分数提升，还需要真实任务检验

在美团公布的结果中，LongCat-2.5在Terminal-Bench v2.1上的成绩为88.4，上一代为70.8；在ProgramBench AlmostResolved指标上，从2.5提升到25.5。两类测试分别涉及终端操作任务与项目级编程，可以用来观察能力变化。

这些是公司公布的评测结果。官方评测表中部分其他模型成绩取自公开报告，部分来自美团自测；测试配置与工具环境会影响结果，不能据此宣布它在所有编程任务上领先。

基础设施上，美团披露了国产AI加速器上的长上下文训练优化，以及将部分权重、激活压缩到4比特的推理方案。更低的数值精度有助于减少存储和计算开销，但实际成本与速度仍取决于硬件和部署方式。

截至发稿，官网已提供在线体验与供开发者接入的程序接口（API）。用于托管代码和模型的GitHub、Hugging Face平台入口仍标为“敬请期待”，模型权重尚未通过这些入口公开。

对使用者而言，更值得测试的是一条完整任务链：给它一个已有项目、一组明确需求和验收条件，看它能否连续推进、发现错误并修正。演示越接近交付，评估也越需要从“第一眼好不好看”，转向“最后能不能可靠运行”。

参考资料

[1] 美团LongCat团队. LongCat-2.5：面向智能体任务的原生多模态模型[EB/OL]. 2026-11-01.